神经网络模型训练误差

Question

我开始使用R，我真的很喜欢它，但最近我发现自己陷入了困境。我想建立预测热量消耗的神经网络模型。我有包含室外温度(模型输入)和以兆瓦为单位的热需求值(模型输出)的历史数据(过去4年的每小时数据)。我想使用我的模型根据气温天气预报(也是提前24小时)来预测未来24小时的热需求。下面是我的代码：

data <- read.delim("C:/.../data.csv", dec=",")
require(neuralnet)
trainset<-data[1:26208,]
testset<-data[26209:26232,]
net<-neuralnet(heat~temp,trainset,hidden=5,threshold=0.01)

。。我得到的错误是“算法没有收敛”

这是我第一次尝试构建模型。这就是为什么我只想使用一个输入参数(空气温度)，在未来，我想使用更多的输入，如风速，工作日和节假日的信息等。你知道我做错了什么吗？是隐藏神经元的数量还是层的问题？我还尝试使用参数'hidden‘的其他值，但仍然收到错误。

这是我的数据集：click

提前感谢您的帮助。

Answer 1

感谢您的评论。在阅读了您提供的资料后，我认为

我再次尝试了不同的神经网络配置和较小的数据集：

> trainset<-data[1:1000,]
> testset<-data[1001:1024,]
> net<-neuralnet(heat~temp,trainset,hidden=2,threshold=0.01)
> temp_test<-subset(testset,select=temp)
> net.results<-compute(net,temp_test)
> results<-data.frame(actual=testset$heat,prediction=net.results$net.result)
> View(results)

因此，我假设我的收敛问题是由网络模型配置(隐藏神经元的数量)和训练数据集观测数量之间的关系引起的。